02 什么是编程：算法+数据结构

编程，简单的就是 算法+ 数据结构
当然可以！我们可以用一个非常生活化的比喻，把“编程”“算法”“数据结构”讲得像做饭一样简单。

一、理解编程

✅ 一句话理解：

编程就是教电脑怎么一步步帮你做事，算法是你想出来的“做事步骤”，数据结构是你用来“装东西”的碗、盘子、保鲜盒。

🧑🍳 比喻开始：你要做一道“西红柿炒鸡蛋”

1. 编程 = 整个做饭过程

你站在厨房里，从拿食材到出锅，每一步都要想清楚、按顺序做：

• 先洗西红柿 → 切西红柿 → 打鸡蛋 → 点火 → 倒油 → 炒 → 出锅
  编程就是把这一整套步骤，用电脑能听懂的语言（比如 Python、Java）写下来，让电脑自己去“做这道菜”。

2. 算法 = 你脑子里“怎么炒”的那套方法

同样是西红柿炒鸡蛋，不同的人有不同做法：

• 有人先把鸡蛋炒熟盛出来，再炒西红柿，最后混合；
• 有人一起倒进去炒。
  这些不同的“做法步骤”就是算法。
  算法没有绝对的对错，只有“好不好吃”（效率高不高、资源省不省）。

3. 数据结构 = 你装食材的碗、盘子、保鲜盒

• 鸡蛋打在碗里，西红柿切好放盘子里，盐放在小调料罐。
  如果乱放：把鸡蛋直接放锅里、西红柿丢地上，那就乱套了。
  数据结构就是你在电脑里“放东西”的方式。
• 想按顺序排队？用“列表”。
• 想快速查找？用“字典”。
• 想先进后出？用“栈”（就像一摞盘子，只能从最上面拿）。

🎯 小白总结一句话：

**编程就是写“菜谱”，包括：

• 算法是“做菜步骤”，
• 数据结构是“装食材的容器”。**

只要你能把一件事拆成步骤、想清楚怎么装东西，你就已经在编程了！

二、举例

下面用 3 个“秒懂”小例子，介绍下「算法 + 数据结构」

1. 数据结构： list ——「盘子」里按顺序放鸡蛋

# 盘子：先把鸡蛋一个个放进去
pan = []                       # 空盘子
for i in range(5):
    pan.append(f'鸡蛋{i+1}号')  # 往盘子里放鸡蛋
print('出锅顺序：', pan)

运行结果

出锅顺序： ['鸡蛋1号', '鸡蛋2号', '鸡蛋3号', '鸡蛋4号', '鸡蛋5号']

一句话：list 就是一条“有序长队”，谁先放谁在前。

2. 算法：两种“找最大鸡蛋”的方法

import random, time

pan = [random.randint(40, 70) for _ in range(100_000)]  # 10万个随机克重的鸡蛋

# 方法1：Python 内置算法（C 语言写的，极快）
t0 = time.time()
print('最大鸡蛋：', max(pan), '克，耗时：', time.time() - t0, '秒')

# 方法2：自己写“擂台赛”算法
t0 = time.time()
max_egg = pan[0]
for egg in pan:
    if egg > max_egg:
        max_egg = egg
print('最大鸡蛋：', max_egg, '克，耗时：', time.time() - t0, '秒')

一句话：同一个问题可以有不同的“步骤”（算法），速度差很多。

3. 数据结构 + 算法：dict ——「冰箱」秒找食材

# 冰箱：名字 → 位置
fridge = {
    '西红柿': '上层左门',
    '鸡蛋': '中层抽屉',
    '葱花': '下层保鲜盒'
}

# 算法：直接“按名取物”，一步到位
need = ['鸡蛋', '西红柿']
for item in need:
    print(f'{item} 在 {fridge[item]}')

运行结果

鸡蛋 在中层抽屉  
西红柿 在上层左门

一句话：dict 就像“带标签的冰箱”，找东西永远只要 1 步。

30 秒总结

• 把东西「怎么放」——数据结构（list / dict / …）
• 把问题「怎么做」——算法（for 擂台 / max / …）
• 把两者用 Python 写出来——就是在「编程」。

三、数据结构中的数据来自哪里

把“数据结构”想成一个空抽屉柜，数据就是你要放进去的衣服。
衣服（数据）从哪来？给你 4 种最最常见的“进货渠道”，一句话就能懂。

1. 写死——“衣服出厂直接缝死在抽屉里”

# 抽屉一打开，衣服已经焊在里面
wardrobe = ['T恤', '牛仔裤', '卫衣']

场景：小程序、Demo、考试题，图方便，直接写。
缺点：想换款式得拆柜子（改代码）。

2. 文件——“去楼下快递柜拿衣服”

# 衣服在 csv 文件里，一行一件
with open('clothes.csv', encoding='utf-8') as f:
    wardrobe = [line.strip() for line in f]

场景：本地 Excel、日志、配置。
优点：换数据不换代码，改文件即可。

3. 数据库——“去大型仓库调货”

import sqlite3
conn = sqlite3.connect('shop.db')
wardrobe = [row[0] for row in conn.execute("SELECT name FROM clothes")]
conn.close()

场景：真正上线的系统，数据量大、多人共用。
优点：存取快、能搜索、能统计。

4. 网络——“让无人机空投最新款”

import requests
url = 'https://api.shop.com/clothes'
wardrobe = requests.get(url).json()   # 一键到货

场景：手机 App、网页、小程序，实时拉新数据。
优点：永远拿到最新款；缺点：没网就“裸奔”。

10 秒总结

空抽屉柜（数据结构）长一样，衣服（数据）从哪来，你说了算！